支持向量机(SVM)是数据挖掘中的一个新方法，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。它广泛的应用于统计分类以及回归分析中. 支持向量机属于一般化线性分类器.他们也可以认为是提克洛夫规则化（Tikhonov Regularization）方法的一个特例.这族分类器的特点是他们能够同时最小化经验误差与最大化几何边缘区

独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 IC

独立成分分析（Independent Component Analysis, ICA）是近年来发展起来的一种有效的盲分离技术，最早是由法国学者Herault和Jutten于1986年提出。ICA方法的提出最初是用来解决“鸡尾酒会”问题，其过程可以归纳为，在源信号与传输通道参数均未知的情况下，仅根据源信号的统计特性，出现测信号恢复出源信号。ICA分析的关键在于根据一定的优化准则建立描述输出信号独立程度的优化判据，即目标函数，并设计相应的优化算法，寻求最优的分离矩阵，使得输出信号中各分量尽可能相互独